超稳API / Stable API vs 金石API

Satu model di dua relay: keaslian, kecepatan, harga, cache, dan ketersediaan, ditambah kecerdasan yang dikoreksi menurut degradasi model dan efisiensi biaya, dengan saran sesuai prioritas yang Anda pilih.

Model
Azure-Gpt-3
GPT-Azure

Mana yang dipilih

Lima dimensi

Makin ke luar makin baik. Keaslian adalah porsi kecerdasan yang tersisa; empat dimensi lainnya adalah posisi di antara semua relay untuk model ini.
KeaslianBelum dicekKecepatanBelum dicekHargaCacheBelum dicekKetersediaanBelum dicek
超稳API / Stable API金石API

Apa yang paling penting bagi Anda

Seimbang: pilih 超稳API / Stable API

Alasan utama

Keaslian25%

Keaslian: tidak ada data untuk setidaknya satu relay

Ketersediaan20%

Ketersediaan: tidak ada data untuk setidaknya satu relay

Efisiensi biaya20%

Efisiensi biaya: tidak ada data untuk setidaknya satu relay

Kecepatan15%

Kecepatan: tidak ada data untuk setidaknya satu relay

Harga15%

超稳API / Stable API berbiaya ¥1.28 per sesi, 78% lebih murah daripada 金石API (¥5.80)

Cache5%

Cache: tidak ada data untuk setidaknya satu relay

超稳API / Stable API

Lebih unggul
Harga¥1.28
Lebih lemah
Tidak ada selisih yang jelas

金石API

Lebih unggul
Tidak ada selisih yang jelas
Lebih lemah
Harga¥5.80

Angka utama

Kecerdasan terkoreksi

Makin tinggi makin baik

Biaya per sesi coding

2 juta token input + 40 ribu token output · Makin rendah makin baik

Efisiensi biaya

Poin kecerdasan per ¥1 · Makin tinggi makin baik

Semua angka

Kecerdasan

Kecerdasan terkoreksi——
Kecerdasan tersisaBelum dicekBelum dicek
Akurasi jawabanBelum dicekBelum dicek

Biaya

Efisiensi biaya——
Biaya per sesi coding¥1.28¥5.80
Harga input¥0.55¥2.5
Harga output¥4.4¥20
Diskon cacheTidak diberikanTidak diberikan

Performa

Latensi token pertama——
Ketersediaan, 24 jam terakhir——
Sampel——

Rute

GrupAzure-Gpt-3GPT-Azure
Keamanan dataLevel 0Level 0
Kecerdasan terkoreksi = indeks kecerdasan model yang dipublikasikan × kecerdasan tersisa. Kecerdasan tersisa = akurasi jawaban relay ÷ akurasi tertinggi di antara relay yang sudah dicek untuk model yang sama; jika kurang dari 10 soal, tidak dikoreksi. Efisiensi biaya = kecerdasan terkoreksi ÷ biaya per sesi coding. Selisih di bawah ambang dianggap hampir setara. Saran dihitung dengan memberi bobot pada metrik sesuai prioritas yang dipilih dan hanya sebagai panduan.